SegMix：病理画像のセマンティックセグメンテーションのためのシャッフルベースのフィードバック学習
arXiv cs.CV / 2026/4/20
📰 ニュースModels & Research
要点
- この論文は、計算病理における重要な課題として、病理医によるラベル付けが必要なために高品質なピクセルレベルの教師ありセグメンテーションが高コストで時間もかかる点を扱っています。
- 画像レベルのラベルだけから疑似的なピクセルレベル注釈を生成してセマンティックセグメンテーションを行う枠組みを検討しつつ、既存のCAMベース手法が病理画像の本質的な特徴を十分に捉えられないと指摘しています。
- 著者らはSegMixとして、病理画像をパッチ単位でシャッフル（攪拌）し、前回の学習からのフィードバックに基づいてシャッフル戦略を適応的に更新する「シャッフルベースのフィードバック学習」を提案します。
- 3つのデータセットでの実験結果により、SegMixは疑似セグメンテーションマスクの品質を高め、既存の最先端手法よりも性能が向上したことが示されています。
- 総じて本研究は、画像レベルの弱い教師から擬似マスクをより良く生成することで、病理領域の弱教師ありセマンティックセグメンテーションを前進させます。
